国产又黄又爽又湿的免费网站,国产一卡2卡3卡四卡精品网站,欧美又大又粗午夜剧场免费,免费无码一区二区三区A片不卡

遠大方略管理咨詢公司認為企業(yè)管理活動中，除定性判斷分析外，我們還常需要做定量預測(Forecast)分析。既是預測，就有諸多的不確認性，預測管理是一項復雜的數(shù)據(jù)處理與管理的過程，其難難度也不言而喻。既要避免呆滯與滯銷，又要保障不斷貨，企業(yè)做好銷售管理與庫存管理預測，有哪些常用的預測管理工具？又該如何實施？筆者在上期分享的《六個動作實現(xiàn)制造企業(yè)的產銷協(xié)調》以及《數(shù)據(jù)驅動企業(yè)效益》文中有提及的企業(yè)預測管理的重要性，現(xiàn)特意把企業(yè)預測管理梳理并整理成心得小結，既當是以前工作總結的衍伸與補充，也當是自我學習的一種提煉。

因為庫存預測可通過存貨成本率及周轉天數(shù)計算轉換，故本文重點以銷售預測為實例假以說明與總結，預測的主要流程包括以下幾步：

1、確認預測目標；

2、收集整理基本資料；(歷史數(shù)據(jù)，盡量保持時間連續(xù))

3、選擇測方法；（重點介紹移動平均法與二元一次線性回歸分析法）

4、預測作業(yè)；

5、檢查驗證；

6、修正預測數(shù)據(jù)；(依判定對數(shù)據(jù)進行適當修正)

7、預測結論；

流程如下示例圖1

▲示例圖1

整個過程，我們重點解析截圖標注橙色步驟，分別是選擇預測方法與修正預測數(shù)據(jù)。

一、選擇預測方法

預測方法包括有：算術平均法、移動平均法、加權平均法、平滑指數(shù)法、線性回歸分析法等，本文重點介紹移動平均法與線性回歸分析法，前者是平均預測系列中的應用較多的一種方法，后者是因果預測系列中廣泛運用的一種方法。

1.移動平均法：

移動平均法比算術平均法先進。它是指在積累了n期銷售量的基礎之上，按照事先確定的期數(shù)m(m

預測銷售量=最后m期的平均銷售量+趨勢值

趨勢值=最后移動期的平均值-上一個移動期的平均值

實例如下：

已知：如下的銷量資料，假定銷售量的移動期m為3（季度），趨勢平均值s移動期為3，時間序列期數(shù)n為11。要求計算：按移動平均法預測2018年12月的銷售量。

解：依題意計算各期銷售量移動平均值、趨勢值和趨勢值移動平均值，其結果如下示例圖2：

▲示例圖2

最后一期平均值：（86+91+95）/3=90.67（萬元）

趨勢值=90.67-85.67=5（萬元）

所以12月份的預測營收=90.67+5=95.67（萬元）

移動平均法，既考慮了銷售量的移動平均數(shù)，又考慮了趨勢值的移動平均數(shù)，邏輯清晰。除移動平均法以外，我們常用的還有加權平均法，加權法相對比較簡單，但有時我們也會加權平均法組合成加權移動平均法。

我們再來看另外一種運用廣泛因果關系的預測分析方法，即線性回歸分析法。

2.線性回歸分析法：

線性回歸分析法也稱二元一次直線分析法，它的模型是Y=AX+B,數(shù)學有一定基礎的知道，也就是這類二元一次線性直線。我們先以一個例子假以說明，如下示例圖3：

▲示例圖3

要求：

用回歸直線分析法建立A產品的營收預測模型；

預測2019年1月份A產品的營收額；

第一步進行調表格調整，如下示例圖4：

▲示例圖4

則線性相關系數(shù)R約為1，表明X與Y之間是正相關，符合線性回歸性。如下 示例圖5：

▲示例圖5

依據(jù)公式線性公式可得出A與B的取值，如下示例圖6：

▲示例圖6

所以：Y=AX+B=1.0061X-152

2019年1月份總營收當255時，則A產品的營收約為：1.0061*255-152=104.5（萬元）

或許有人會說這個計算的過程相對較為復雜，有沒有相對更簡單的方法？答案是肯定的。在EXCEL函數(shù)中，F(xiàn)ORECAST回歸預測法，正是上面推導的一個應用工具函數(shù)。具體使用方法如下示例圖7，計算出結果是104.2萬元；其結果與上面計算得出的104.5兩者的吻合度99.97%，是非常高的。

▲示例圖7

二、修正預測數(shù)據(jù)

在實際的管理中，因為特殊的節(jié)點等因素，部分數(shù)據(jù)會異常突變，我們可稱之這異常數(shù)據(jù)，在做數(shù)據(jù)分析時，我們?yōu)楸苊猱惓?shù)據(jù)平均化，須提前把那一類的數(shù)據(jù)單獨加工處理。

1.異常節(jié)點維度

(1) 特殊時期（春節(jié)、國慶、雙11、黑色星期五等）活動的趨勢；

(2) NPI(新產品導入)快速切入要求；

(3) 滯銷或呆滯的要求；

(4) ECN(工程切換)要求；

(5) MPQ(較小包裝量)、MOQ（較小訂單量）等原因；

(6) 增量幅度；

(7) 重大品質客訴；

2.預測期數(shù)

銷售預測時，為避免數(shù)據(jù)短期波動，我們在取數(shù)時應考慮的期數(shù)盡量要長。

(1) 做年度預測，建議取近2年整年度的數(shù)據(jù)，即N=24；

(2) 做季度預測，建議取近12個月年數(shù)據(jù)，即N=12；

(3) 做月度預測，建議取近6個月年數(shù)據(jù)。即N=6；

實際的管理中，無論是銷售管理還是庫存管理，要做到精細化預測其難度遠不僅限以上要求。還有許許多多的無法控制的外在因素，比如：大的經濟環(huán)境、同行競爭、競爭品等。只有我們熟練地掌握預測的工具并科學加以運用，同時結合適度提前考慮等外在因素可能會造成的影響，唯有這樣，我們的預測才能做到貼合于實際，也才會更精準。